狗和什么属相最配

问： 依您看，边缘AI将给某类工业应用带来哪些新变化？

答：从Arm的角度来看，我们认为人工智能是当今最激动人心的技术革命之一，它将对市场产生巨大的影响，也将作用于各类设备，包括网络边缘的计算存储、自动驾驶、数字电视图像增强、家庭智能助手、不同类型的智能手机等，并使物联网设备更加智能化。

事实上，我们预计，新一轮的人工智能增强技术将有助于加速物联网在工业与医疗场景用例、以及智能摄像头与传感器（用于预测故障和维护）等设备中的应用。此外，我们希望看到几乎所有传感器的监测数据模式都能有所改进。这些变化仅仅是一个开始，因为人工智能正在有效解决以往的计算挑战，并迸发出大量的潜能。

问： 其技术挑战是什么？

答：Arm是全球使用最广泛的计算架构，我们先进的低功耗处理器设计已应用于超过1,500亿颗芯片的智能计算。我们预计，到2035年全球将会有1万亿台物联网设备，我们正朝着为万亿联网设备赋能这一目标迈进。

对Arm来讲，我们的挑战在于，如何确保AI应用于各类现代电子设备的同时，满足智能设备所需的高功效和成本敏感性。因此，当你将计算的不断演变特性和人们使用设备的方式考虑进去时，就会明白人工智能不可能有一个放之四海而皆准的解决方案。

为了克服这些挑战，在过去几年中，Arm几乎在每一代产品中都引入了主要的人工智能增强功能。然而，在将人工智能应用扩展到数十亿台设备的过程中，产品功能增强只是其中的一小部分。我们还需要确保人工智能易于使用、修改和部署，这就需要通过投资高效好用的软件和工具来实现，从而使我们生态系统中的软硬件开发人员都可以轻松使用。从根本上来看，Arm面临的技术挑战不仅限于设计计算架构。为此，我们也不断致力于在蓬勃发展的生态系统支持下，为市场提供广泛、一致、易于访问的解决方案。

Arm机器学习事业群 商业与营销副总裁 Dennis Laudick

问：贵公司是如何解决这些难点的？有哪些创新性的解决方案推荐？

答：从更高层面上来讲，人工智能在现代设备中的应用确实存在两类挑战：技术挑战和生态挑战。许多技术挑战正在变得越来越清晰。例如，在云计算中，您可以利用几近无限的资源来处理计算问题，很多因素，诸如功耗，芯片成本，带宽成本等，在云计算中已不再是什么大问题。但是，对于我们日常使用的大多数智能设备来说，我们依旧需要在更加严格的功率和尺寸限制下提供更多的算力和功能。例如，在设计最初的AI专用处理器系列Ethos时，我们就很快意识到，对海量数据的智能管理对我们的设计至关重要，因此，我们让所有AI专用处理器都具备智能数据管理技术，如压缩和重新加载最小化技术等。

我们需要在高效、固定功能的硬件与更灵活、可以适应未来需求而又不影响效率的硬件之间找到一个适当平衡，Arm Ethos系列就是一个很好的范例。随着人工智能和计算的不断演进，如何用更少的资源做更多的事情将继续成为我们技术与思维的核心。但是，正如我前面提到的，世上没有普适性标准，这就是为什么我们设计了多款支持AI的处理器，并在功耗、性能、成本和灵活性方面进行了多种平衡。 Arm的处理器解决方案旨在实现从微型传感器、云服务器到基础架构的全面人工智能。

如前所述，实现能为任何产品服务的人工智能解决方案不仅需要一款合适的处理器，更需要一个强大的生态系统。这就是为什么Arm在过去几年里对其生态系统进行了大量投资，以确保工程师社群拥有在基于 Arm 的设备上实现 AI 所需的软件、工具和支持。